环境质量评价中的主成分分析与全局主成分分析方法

给出在环境质量评价中对即时性平面数据的主成分分析方法与对多维动态数据系统的全局主成分分析方法,着重介绍了对时序立体数据表进行立体式的综合与简化,并应用于具体的实例,得到很好的结果.这两种方法对环境质量的评价和治理工作都有积极的指导作用与重要的应用价值.     

谐波抑制和无功补偿新方法

探讨了谐波抑制与无功补偿的现状、存在的主要问题,努力寻求新的方法。瞬时无功功率理论是一个划时代的全新概念,为解决电力系统中谐波抑制与无功补偿问题奠定了理论基础,它将带来电力系统谐波抑制与无功补偿的一场重大变革,最终真正解决谐波抑制与无功补偿的问题,研究它和将其运用于实际,有着重大的意义和美好的前途。     

枯草芽孢杆菌YYW-1蛋白酶缺陷株诱变与筛选

从羽毛废弃物中筛选出一株高效降解羽毛、产角蛋白酶和蛋白酶的革兰氏阳性芽孢杆菌,经鉴定为枯草芽孢杆菌(Bacillus sublitis),命名为B.sublitisYYW-1。利用紫外线对菌株YYW-1进行诱变,筛选蛋白酶缺陷株,获得蛋白酶活性丧失的诱变株YYW-1-5,其蛋白酶活性残余22.7%,而角蛋白酶活性残余94.7%,没有明显的变化。     

基于主成份分析的Bagging集成学习方法

机器学习中数据集的冗余特征会影响学习器的泛化能力，一些流行方法如支持向量机和集成学习也难免于此．研究了利用主成份分析进行特征变换对Bagging集成学习算法的影响，提出一种称为PCA—Bagging的算法，并与其它算法比如单个支持向量机、支持向量机Bagging集成、带有特征变换的单个支持向量机等进行了性能比较．在多个UCI标准数据集上的实验表明PCA—Bagging算法具有更好的性能，这说明即使是泛化能力很强的集成学习方法其学习的数据也需要进行适当的特征变换。     

新型低功耗320×288 IR ROIC 中列读出级的设计

介绍了320×288红外(IR)读出电路(ROIC)中列读出级的低功耗设计。采用新型的主从两级放大的列读出结构和输出总线分割技术相结合。其中主放大器完成电荷到电压的转换,从放大器完成对输出总线的驱动来满足一定的读出速度,总线分割是把320列分组来减少输出总线上的负载电容。通过spice的仿真可以发现,与传统的列读出级相比,这种新型结构的功耗由原来的47mW降到了现在的6.74mW,节省了80%以上的功耗。     

内蒙古18个人群13项遗传指标的聚类分析与主成分分析

对内蒙古18个人群的13项遗传指标(拇指类型、环食指长、指甲类型、足趾长、蒙古褶、上眼睑皱褶、铲形门齿、鼻梁侧面观、鼻孔形状、下颏类型、耳垂、前额发际、头发)出现率值进行了聚类分析与主成分分析.聚类分析结果显示,18个人群可分为4个组:东部区少数民族组、西部区组、中部区蒙古族组、兴安盟汉族与阿拉善蒙古族组.主成分分析显示,尽管民族间通婚已日趋普遍,在一些形态特征方面,同一民族仍表现出较强的一致性.蒙古族诸人群窄鼻孔率与有耳垂率相对较高.西部区汉族人过伸拇指率、扁形指甲率、窄鼻孔率、有耳垂率均较低.研究还表明,科尔沁蒙古族人、厄鲁特蒙古族人、达斡尔族人关系密切,锡林郭勒蒙古族人、察哈尔蒙古族人关系密切.     

南极产低温蛋白酶菌株Marinobacter sp.R2的发酵条件及酶学性质研究

从南极海域沉积物中筛选到一产蛋白酶的菌株R2，经细菌学形态特征鉴定及16S rDNA序列分析鉴定，该菌株属于海杆菌属(Marinobacter)．生长特性研究表明该菌株属于兼性嗜冷菌，其最适生长温度为10～15℃．R2菌株能利用多种碳源产酶，最适产酶温度为20℃．粗酶液经硫酸铵盐析、DEAE cellulose-52柱层析进行初步分离纯化后进行酶学性质的研究．该菌株所分泌蛋白酶的最适作用温度为20℃，最适pH值为9～10，对热敏感．是典型的低温碱性蛋白酶．Ca^2 、Mn^2 、Cu^2 对该蛋白酶有较为明显的激活作用，而Cd^2 、Co^2 则能抑制酶活．高浓度的变性剂、PMSF、AEBSF和EDTA都能抑制该蛋白酶，表明该酶属于丝氨酸蛋白酶，且金属离子对酶活性中心构象有关键性的影响．     

棒材连轧机主电机电流与温度远程在线监控系统

分析了棒材主电机电流与温度参数监测的工艺特点，采用集散控制原理和远程监测技术设计了主电机电流与温度的在线监控系统，并在硬件设计的基础上，采用汇编语言和VB6．O开发了数据采集与控制、定时通讯及上位机管理软件。运行实践表明，该系统的使用，不仅降低了设备的故障率，而且保证了生产的安全性和可靠性。     

乳腺癌诊断指标的数理统计分析

以UCI机器学习知识库提供的683个乳腺癌数据为基础，利用相关分析、逐步线性回归和主成分分析等数理统计方法，对用于诊断检测乳腺癌各指标间的相互关系及主要判断指标进行了深入研究，指出细胞大小的均匀性(X2)、细胞形状的均匀性(X3)是检测乳腺癌诸指标中最重要的指标。